首页
/ DI-engine中Hopper-V3环境PPO算法复现问题解析

DI-engine中Hopper-V3环境PPO算法复现问题解析

2025-06-24 03:19:35作者:咎岭娴Homer

问题背景

在强化学习领域,Mujoco的Hopper环境是一个经典的连续控制基准测试环境。许多研究者和开发者会尝试复现PPO算法在该环境中的表现,以验证算法实现或进行后续研究。然而,在使用DI-engine框架复现PPO在Hopper-V3环境中的性能时,可能会遇到一些问题。

配置问题与文档更新

DI-engine框架的文档曾存在链接失效问题,特别是在PPO策略文档部分。这主要是由于配置文件名在两年前发生了变更,导致旧文档中的链接失效。开发团队已经修复了这个问题,确保了文档的准确性。

性能复现问题分析

在尝试使用最新的hopper_onppo_config.py配置文件复现PPO性能时,可能会观察到以下现象:

  1. 训练曲线与预期不符
  2. 评估回报(reward mean)与评估回合回报(eval_episode_return_mean)数值相同

经过深入分析,发现问题可能源于回报计算的重复处理:

  1. 第一次计算发生在mujoco_wrappers.py中,EvalEpisodeReturnWrapper会使用原始回报计算eval_episode_return
  2. 第二次计算发生在mujoco_env.py中,在回报可能已经被标准化处理后再次计算

解决方案与验证

为解决这个问题,可以采取以下措施:

  1. 移除mujoco_env.py中的第二次回报计算
  2. 启用回报标准化处理
  3. 设置动作裁剪(action_clip)为True

修改后的配置建议如下:

hopper_onppo_config = dict(
    exp_name='hopper_onppo_envNormalized_seed0',
    env=dict(
        env_id='Hopper-v2',
        norm_obs=dict(use_norm=True),
        norm_reward=dict(use_norm=True, reward_discount=0.99),
        action_clip=True,
        collector_env_num=8,
        evaluator_env_num=10,
        n_evaluator_episode=10,
        use_act_scale=True,
        stop_value=6000,
    ),
    # 其余配置保持不变
)

同时需要修改mujoco_env.py文件,注释掉重复的回报计算代码。

实验结果

经过上述修改后,实验结果显示:

  1. 训练曲线更加稳定
  2. 评估回报与评估回合回报的数值趋于一致
  3. 整体性能接近文档中宣称的水平

最佳实践建议

  1. 始终使用DI-engine的最新main分支
  2. 对于Hopper-V3环境,建议使用Hopper-v2作为环境ID
  3. 在配置中启用观测值标准化和回报标准化
  4. 确保动作裁剪功能开启
  5. 避免重复计算回报值

通过遵循这些建议,开发者可以更可靠地在DI-engine框架中复现PPO算法在Hopper环境中的性能表现。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511